ДИП ПАТТЕРНС

О компании

"Дип Паттернс" реализует не имеющую мировых аналогов технологию анализа больших данных SRMD (Structural Resonance in Multidimensional Data). Технология основана на авторской концепции контекстно-зависимых локальных метрик и эффекте структурного резонанса в многомерных данных. Решаемые задачи: контекстно-зависимая кластеризация многомерных данных, построение интерпретируемых моделей для классификации и прогнозирования, поиск ассоциативных связей в данных. Области применения – направления Data Mining: банковское дело, финансы, страхование, CRM, производство, телекоммуникации, электронная коммерция, маркетинг, фондовый рынок и другие. Наиболее ярко уникальные свойства SRMD проявляются в наукоемких областях, для которых характерны сложные связи в данных. Одним из ключевых преимуществ инновационной технологии, лежащей в основе реализуемых программных продуктов, является возможность высокой степени параллелизации вычислений, что обусловливает ее масштабируемость и эффективность для анализа больших данных. Генеральный директор: Кончаков Андрей Анатольевич, автор прототипа программного продукта Deep Data Diver и др.

В 2015 году – компания получила Диплом победителя Конкурса инновационных проектов в сфере науки и высшего профессионального образования Санкт-Петербурга в номинации «Лучший инновационный продукт» за проект Deep Data Diver. В 2020 году – Победа в «Стартап-ралли 2020»: проекту «ERAS — Экспертная система оценки рисков кардиохирургических операций» присвоено первое место.

Куратор РОАлександра Тарасова

Проектный менеджерСергей Щербаков

Куратор РОАлександра Тарасова

Проектный менеджерСергей Щербаков

Проекты

Описание проекта

В области предиктивной аналитики наиболее перспективными с точки зрения возможностей интерпретации являются модели продукционного типа. При этом популярные и используемые методы построения таких моделей обладают рядом принципиальных ограничений, приводящих к построению недостаточно точных ансамблей решающих правил. Инновационная технологии BD2K основана на представлениях локальной геометрии и позволяет находить в данных сильные if-then правила, организовывать высокопараллельные вычисления и визуализировать метаструктуру ансамбля if-then правил. Особую ценность представляет для аналитики Big Data в областях, для которых характерна сложность структурных связей (биоинформатика, прикладная химия и т.п.). На данный момент разработано несколько прототипов программного продукта Deep Data Diver, используемых для решения экспериментальных задач. Программное ядро продукта, реализующее технологию SRMD, подготовлено в виде отдельной компоненты для использования в различных прикладных задачах. Основной перспективой развития продукта является разработка гибкой схемы адаптации алгоритмов, использующих библиотеку SRMD, к различным прикладным задачам, стоящим перед клиентами.

Описание проекта

Целевая проблема - раскрытие закономерностей строения химических структур и взаимосвязей «структура-активность» (SAR) для направленного дизайна лекарств. В проекте предлагается инновационный инструмент DP4SAR (Deep Patterns for SAR), основанный на авторском методе структурного резонанса в многомерных данных SRMD. В качестве способа описания химических соединений выбран язык QL - специализированный мультидескрипторный иерархический многоуровневый язык описания структуры химических соединений с подструктурной нотацией. Задача проекта – коммерциализация DP4SAR и внедрение этого высокоэффективного инструмента в практику фармацевтических и биотехнологических компаний.